收藏本站
收藏 | 论文排版

基于改进降维聚类-分解策略LSTM-GRU组合短期负荷预测

王娇  
【摘要】:提高电力负荷预测精度对于优化发电机组配置、降低系统运行费用具有重要的意义。为有效提高负荷预测精度,引入基于主特性聚类的思路,实现负荷时间序列的横向聚类;设计了基于降维聚类和VMD(变分模态分解)分解的策略,实现对聚类后负荷的纵向分解;依据聚类-分解结果,提出一种LSTM-GRU(长短期记忆—门控循环单元)组合的短期负荷预测方法,通过实际算例验证了所提方法的有效性。具体研究内容如下:首先,针对用户用电行为的差异性和负荷序列随机性较强的问题,引入聚类的思路,提出了基于主特性的负荷聚类方法。对负荷数据进行预处理,采用奇异值分解对负荷主特性进行提取,将其作为聚类的输入参数;基于选取聚类数目的K-means算法实现用户负荷序列的横向聚类。通过某台区的用电负荷数据进行算例验证,结果表明,基于主特性提取的负荷聚类方法可获得差异化的用电特性,降低短期负荷预测的难度。其次,针对负荷序列的非线性和不平稳性导致预测误差较大的问题,提出了基于降维聚类—分解的改进预测策略。通过研究并比较各种分解原理,将变分模态分解应用于聚类后负荷序列的分解,使每类负荷分解为单一频率的分量,从而为负荷预测提供良好的数据集。通过对某台区下的每类负荷进行VMD分解,结果表明,分解后的负荷序列频率单一,提取出了负荷的内在变化规律,使不同分量之间的影响大为降低。再次,考虑到LSTM对低频分量的时间序列预测效果较优,而GRU神经网络对非线性高频序列的拟合度较高,本文提出了 LSTM-GRU组合预测算法,对聚类-分解后各类负荷的高、低频分量分别进行预测,然后将各分量预测结果进行集成得到区域用户用电负荷的预测值。通过对某台区的用电负荷数据进行算例验证,结果表明所提方法具有较高的预测精度。最后,为进一步验证本文所提方法的有效性,采用西北某省实际用电负荷数据进行算例验证,设计了五类对比方案,对预测误差指标进行对比。结果表明所提预测算法在预测精度方面具有绝对优势,可为随机性时间序列的预测提供一种通用的思路和方法。


知网文化
【相似文献】
中国期刊全文数据库 前14条
1 王建玉;;校园综合能源系统的短期负荷预测[J];建筑节能(中英文);2021年01期
2 刘昊东;邹必昌;;基于鲸鱼算法优化长短期记忆网络的短期负荷预测[J];电子世界;2021年03期
3 黄运有;詹剑锋;;基于深度学习的短期负荷预测综述[J];高技术通讯;2021年03期
4 杨栋;李东海;;论对于短期负荷预测的方法及其应用[J];电子技术与软件工程;2014年19期
5 王正雨;王贻胜;张明亮;;做好短期负荷预测 保证电网安全经济运行[J];农村电工;2020年05期
6 蔡秋娜;苏炳洪;闫斌杰;向明旭;温亚坤;;基于参数迁移的节假日短期负荷预测方法[J];电气自动化;2020年04期
7 庄家懿;杨国华;郑豪丰;王煜东;胡瑞琨;丁旭;;并行多模型融合的混合神经网络超短期负荷预测[J];电力建设;2020年10期
8 陈怡洁;陈锁群;;智能组合模型在短期负荷预测中的应用[J];电子技术;2020年07期
9 李家璐;何剑军;张坤;刘敬诚;吕勃翰;;应对海量数据的超短期负荷预测在实时电力市场的应用研究[J];电力大数据;2019年12期
10 郑建柏;;基于朴素贝叶斯和支持向量机的短期负荷预测[J];电力安全技术;2016年12期
11 连楷敏;陈冬沣;肖建华;;基于气象信息因素修正的灰色短期负荷预测研究[J];自动化应用;2016年12期
12 林佳亮;李暖群;黄庆键;;基于支持向量机方法的短期负荷预测研究[J];自动化应用;2016年12期
13 黎强;;分类管理方法在短期负荷预测工作中的应用[J];农村电工;2017年04期
14 樊唯钦;张伟;李勇钢;王家武;;基于改进人体舒适指数的微电网超短期负荷预测[J];广东电力;2017年04期
中国重要会议论文全文数据库 前20条
1 洪居华;王宽;;基于改进经验模态分解法和T-Copula的短期负荷预测[A];福建省电机工程学会2020年学术年会获奖论文集(上册)[C];2021年
2 陈迟皓;曹琦琳;方兴其;何星;;基于的电网短期负荷预测组合预测方法[A];第31届中国过程控制会议(CPCC 2020)摘要集[C];2020年
3 韩红卫;刘一峰;王勇;;基于CNN的bagging模型在智慧电网中的应用[A];中国电力企业管理创新实践(2020年)[C];2021年
4 辛忠良;杨耀杰;陈垒;苗堃;李峙;郭红梅;;基于决策树的短期负荷预测技术研究[A];第三届智能电网会议论文集[C];2018年
5 朱桂华;赖晓平;云昌钦;;在线短期负荷预测方法的研究与应用[A];1995年中国控制会议论文集(上)[C];1995年
6 高荣;刘晓华;;基于小波变换的支持向量机短期负荷预测[A];第16届中国过程控制学术年会暨第4届全国故障诊断与安全性学术会议论文集[C];2005年
7 杜俊红;滕欢;滕福生;;在线超短期负荷预测的分析与应用研究[A];2006中国电力系统保护与控制学术研讨会论文集[C];2006年
8 胡宏;顾斌;蔡冬阳;马晓东;车伟;顾杨青;;基于大数据的分布式短期负荷预测及其架构设计[A];2016智能电网发展研讨会论文集[C];2016年
9 胡松峰;彭显刚;;电网短期负荷预测方法综述[A];武汉(南方九省)电工理论学会第22届学术年会、河南省电工技术学会年会论文集[C];2010年
10 姚宇臻;;采用决策树技术的短期及超短期负荷预测软件在福建电网的运用[A];福建省科学技术协会第七届学术年会分会场——提高水力发电技术 促进海西经济建设研讨会论文集[C];2007年
11 张博海;何星;章渊;;基于循环神经网络的电网短期负荷预测研究[A];第37届中国控制会议论文集(F)[C];2018年
12 谭洪艳;郭继平;陈飞;;基于径向基网络的燃气短期负荷预测[A];中国土木工程学会城市燃气分会输配专业委员会2005年会议论文集[C];2005年
13 李娟;蔡磊;管延文;刘文斌;;基于BP-CSO的燃气短期负荷预测[A];中国燃气运营与安全研讨会(第十届)暨中国土木工程学会燃气分会2019年学术年会论文集(上册)[C];2019年
14 李新明;李艳红;张伟;;电网短期负荷分线分站预测研究及应用[A];山东电机工程学会2012年度学术年会论文集[C];2012年
15 刘明;;基于新型试凑法BP模型的短期负荷预测[A];智慧城市电力科技论坛论文集(2014年第1辑 总第176辑)[C];2014年
16 刘念;徐成华;;利用RBF对农村低压台区进行短期负荷预测[A];新世纪 新机遇 新挑战——知识创新和高新技术产业发展(上册)[C];2001年
17 何恒根;常郝;;基于MATLAB神经网络工具箱的城市燃气短期负荷预测[A];中国燃气运营与安全研讨会(第十届)暨中国土木工程学会燃气分会2019年学术年会论文集(上册)[C];2019年
18 万石林;;基于天气数据模糊化处理的神经网络短期负荷预测[A];2017年江西省电机工程学会年会论文集[C];2018年
19 辛鹏;辛雷;蔡国伟;李晓琦;;一种基于经验模态分解与支持向量机的电力系统短期负荷预测新方法[A];第十一届全国电工数学学术年会论文集[C];2007年
20 乔伟彪;陈保东;;基于EMD-近似熵和LSSVM的天然气短期负荷预测[A];2015中国燃气运营与安全研讨会论文集[C];2015年
中国博士学位论文全文数据库 前11条
1 苏庆新;区域电力系统超短期负荷预测及网络建模分析[D];东华大学;2008年
2 王志勇;数据挖掘方法在短期负荷预测中的应用研究[D];浙江大学;2007年
3 郎坤;电力系统短期负荷预测及经济调度决策优化研究[D];大连理工大学;2016年
4 张国江;软计算方法和数据挖掘理论在电力系统负荷预测中的应用[D];浙江大学;2002年
5 徐学军;基于GIS的配电网络拓扑建模方法与应用研究[D];华中科技大学;2010年
6 程其云;基于数据挖掘的电力短期负荷预测模型及方法的研究[D];重庆大学;2004年
7 张智晟;基于多元理论融合的电力系统短期负荷预测的研究[D];天津大学;2004年
8 张琳;基于期刊聚类的科学结构研究[D];大连理工大学;2010年
9 郑永康;相空间重构与支持向量机结合的短期负荷预测研究[D];西南交通大学;2008年
10 吴宏晓;基于软计算方法的电力系统负荷预测[D];上海交通大学;2007年
11 叶彬;混合智能建模技术及其在短期负荷预测中的应用研究[D];浙江大学;2006年
中国硕士学位论文全文数据库 前20条
1 王娇;基于改进降维聚类-分解策略LSTM-GRU组合短期负荷预测[D];西安理工大学;2021年
2 邵冬冬;基于大数据分析的电力短期负荷预测研究与开发[D];华北电力大学(北京);2016年
3 席雅雯;融合历史数据和实时影响因素的精细化短期负荷预测[D];北京交通大学;2019年
4 张然然;非正常工况下火电机组短期负荷预测技术研究[D];华北电力大学;2019年
5 Desi Purwati;基于长短期记忆的短期负荷预测研究[D];华北电力大学(北京);2019年
6 孙海鹤;微电网短期负荷预测及优化调度研究[D];华北理工大学;2019年
7 杨云莹;基于模糊膜聚类的短期负荷预测和光伏发电预测[D];西华大学;2019年
8 潘可达;基于负荷模式提取的短期负荷预测[D];广东工业大学;2019年
9 熊晖;基于RBF神经网络与粒子滤波算法的用户电力短期负荷预测及其系统实现[D];中国科学院大学(中国科学院深圳先进技术研究院);2019年
10 毕云帆;基于梯度提升决策树的电力系统短期负荷预测研究[D];青岛大学;2019年
11 陈丽娜;计及广义需求侧资源的电力系统短期负荷预测模型研究[D];青岛大学;2019年
12 王振宇;智能电网中基于深度学习的用户短期负荷预测研究[D];南京邮电大学;2019年
13 刘伟杰;微电网短期负荷预测及分布式动态经济调度研究[D];华中科技大学;2019年
14 张鹏翔;海上油田群电网短期负荷预测研究[D];西南石油大学;2018年
15 张书;基于函数型数据分析的短期电力负荷预测研究[D];厦门大学;2018年
16 薛琳;基于用电行为分析的低冗余特征配电网短期负荷预测研究[D];东北电力大学;2019年
17 聂晓羽;安阳电网短期负荷预测的研究[D];郑州大学;2019年
18 齐斌;计及多源气象信息与评价指标冲突的概率短期负荷预测[D];东北电力大学;2019年
19 李向军;基于EEMD的多频组合短期负荷预测[D];西安理工大学;2019年
20 苏丽;基于深度学习的智能电网负荷优化预测研究[D];贵州师范大学;2019年
中国重要报纸全文数据库 前3条
1 通讯员池长斌;宁夏电网短期负荷预测西北第一[N];中国电力报;2011年
2 通讯员 池长斌;宁夏电力短期负荷预测保持领先[N];中国电力报;2011年
3 张树斌 范明;湖北电网中、短期负荷预测系统显神威[N];华中电力报;2001年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978